Informing Cyberbullying Research with Social/Psychological - - PowerPoint PPT Presentation

Informing ¡Cyberbullying ¡Research ¡ with ¡Social/Psychological ¡Insights ¡

Jeremy ¡Blackburn ¡

Telefonica ¡Research ¡

jeremyb@@d.es ¡

Andri ¡Ioannoua, ¡Gianluca ¡Stringhini, ¡Emiliano ¡De ¡Cristofaro, ¡ Nicolas ¡Kourtellis, ¡Michael ¡Sirivianos ¡

A ¡Story ¡of ¡a ¡Distributed ¡Systems ¡PhD ¡

• I ¡was ¡a ¡working ¡programmer ¡

– Startup ¡ – Principal ¡developer ¡ – User ¡facing ¡products ¡($$$ ¡in ¡yearly ¡sales) ¡

• “Man, ¡I’m ¡geTng ¡bored ¡just ¡slinging ¡code…” ¡
• “I ¡want ¡to ¡do ¡revolu'onary ¡stuff!” ¡
• PhD ¡$me ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 2 ¡

Research ¡is ¡Easy! ¡

• I ¡joined ¡a ¡distributed ¡systems ¡group ¡
• We ¡had ¡grants ¡having ¡to ¡with ¡peer-­‑to-­‑peer ¡

social ¡networks ¡

• I ¡read ¡a ¡bunch ¡of ¡papers ¡

– Power ¡laws ¡ – Degree ¡distribu@ons ¡ – Centrality ¡metrics ¡

• I ¡have ¡the ¡formulas ¡and ¡algorithms, ¡let’s ¡get ¡to ¡

researching! ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 3 ¡

Chea@ng ¡in ¡Online ¡Games ¡

• I ¡love ¡video ¡games ¡
• I ¡don’t ¡love ¡cheaters ¡
• I ¡know ¡about ¡a ¡social ¡network ¡of ¡video ¡gamers ¡

that ¡also ¡includes ¡a ¡“cheater” ¡flag ¡

• Research ¡plan: ¡

– Collect ¡data ¡ – Plot ¡distribu@ons ¡ – Submit ¡paper ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 4 ¡

Result ¡

• Reviewers ¡thought ¡the ¡dataset ¡was ¡cool ¡
• Reviewers ¡thought ¡the ¡problem ¡space ¡was ¡

cool ¡ BUT…. ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 5 ¡

Result ¡

• Reviewers ¡thought ¡the ¡dataset ¡was ¡cool ¡
• Reviewers ¡thought ¡the ¡problem ¡space ¡was ¡

cool ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 6 ¡

REJECTED ¡

“Applying ¡known ¡social ¡graph ¡ metrics ¡and ¡producing ¡expected ¡ figures/plots ¡do ¡not ¡make ¡for ¡an ¡ exci@ng ¡paper” ¡

Research ¡is ¡Not ¡Easy! ¡

• The ¡reviewers ¡were ¡100% ¡right ¡
• I ¡did ¡measure ¡some ¡stuff ¡
• I ¡did ¡make ¡plots ¡
• I ¡did ¡not ¡say ¡anything ¡interes@ng ¡about ¡those ¡

plots ¡

• I ¡DID ¡THE ¡MATH! ¡WTF ¡DO ¡I ¡DO ¡NOW?! ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 7 ¡

Learning ¡to ¡Love ¡Son ¡Science ¡

• Measurements ¡and ¡plots ¡are ¡not ¡enough ¡
• Need ¡to ¡know ¡why ¡we ¡see ¡the ¡numbers ¡
• Need ¡to ¡know ¡why ¡we ¡care ¡about ¡numbers ¡
• Need ¡to ¡know ¡what ¡numbers ¡to ¡even ¡look ¡for! ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 8 ¡

Son ¡Sciences ¡Can ¡Be ¡Hard ¡

• The ¡metrics ¡I ¡was ¡using ¡didn’t ¡come ¡out ¡of ¡

thin ¡air ¡

• They ¡were ¡developed, ¡by ¡sociologists ¡

– What?! ¡Sociologists ¡do ¡math?! ¡

• They ¡were ¡not ¡developed ¡in ¡a ¡vacuum ¡though! ¡
• They ¡were ¡built ¡up ¡from ¡qualita've ¡and ¡

theore'cal ¡work ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 9 ¡

Cyberbullying ¡is ¡About ¡People ¡

• CS ¡tends ¡to ¡deal ¡with ¡determinis'c ¡machines ¡
• Humans ¡are ¡not ¡determinis@c ¡

– Or ¡at ¡least ¡not ¡as ¡determinis@c ¡as ¡computers! ¡

• If ¡a ¡process ¡dies, ¡we ¡restart ¡it ¡
• If ¡a ¡human ¡dies, ¡we ¡hold ¡a ¡funeral ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 10 ¡

Agenda ¡

¡

• Who ¡are ¡the ¡actors ¡in ¡cyberbullying? ¡
• Dimensions ¡of ¡cyberbullying ¡

¡

• Types ¡of ¡experimenta@on ¡
• Recommenda@ons ¡for ¡the ¡future ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 11 ¡

Main ¡Actors ¡

• The ¡predator ¡

– (the ¡bully) ¡

• The ¡vic'm ¡
• The ¡bystander ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 12 ¡

The ¡Five ¡Main ¡Types ¡of ¡Cyberbullies ¡

• 1. Sociable ¡
• 2. Lonely ¡
• 3. Narcissis@c ¡
• 4. Sadis@c ¡
• 5. Morally-­‑driven ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 13 ¡

Sociable ¡Bullies ¡

• They ¡do ¡it ¡for ¡fun ¡
• Apempt ¡to ¡entertain ¡themselves/friends ¡
• The ¡vic@m ¡is ¡almost ¡a ¡non-­‑en@ty ¡

– No ¡regard ¡(in ¡either ¡direc@on) ¡for ¡the ¡vic@m’s ¡ feelings ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 14 ¡

Lonely ¡Bullies ¡

• Has ¡no ¡(or ¡very ¡few) ¡personal ¡contacts ¡

– Generally ¡“isolated” ¡

• Compensates ¡by ¡abusing ¡others ¡
• Usually ¡has ¡no ¡rela@onship ¡to ¡the ¡vic@m ¡

– Minimal ¡contact ¡at ¡best ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 15 ¡

Narcissis@c ¡Bully ¡

• Do ¡it ¡for ¡personal ¡gra@fica@on ¡

¡

• Apemp@ng ¡to ¡demonstrate ¡their ¡power ¡over ¡

vic@m ¡

• S@ll, ¡not ¡really ¡interested ¡in ¡the ¡impact ¡to ¡the ¡

vic@m, ¡just ¡trying ¡to ¡show ¡who’s ¡boss ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 16 ¡

Sadis@c ¡Bully ¡

• Cares ¡a ¡lot ¡about ¡the ¡vic@m’s ¡feelings ¡
• Specifically ¡trying ¡to ¡cause ¡suffering ¡
• Being ¡the ¡cause ¡of ¡someone’s ¡suffering ¡is ¡

pleasurable ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 17 ¡

Morally-­‑Driven ¡Bully ¡

• The ¡vic@m ¡deserves ¡to ¡be ¡bullied ¡
• Vic@m ¡did ¡something ¡bad, ¡and ¡jus@ce ¡must ¡be ¡

served ¡

• “Vigilante” ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 18 ¡

Vic@ms ¡

• Research ¡here ¡has ¡focused ¡on ¡iden@fying ¡risk ¡

factors ¡

• “Non-­‑tradi@onal” ¡family ¡structure ¡
• Perceived ¡emo@onal ¡problems ¡
• Perceived ¡peer ¡problems ¡
• Unsafe ¡feelings ¡at ¡school ¡
• Lower ¡school ¡performance ¡& ¡apachment ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 19 ¡

Gender ¡

• Tradi'onal ¡bullying ¡is ¡predominantly ¡male ¡
• For ¡cyberbullying, ¡research ¡is ¡mixed… ¡

– Generally ¡find ¡that ¡boys ¡are ¡either ¡more ¡likely ¡or ¡ there ¡is ¡no ¡difference ¡in ¡gender ¡

¡

• But, ¡bully-­‑vic@ms ¡seem ¡to ¡more ¡likely ¡to ¡be ¡

female ¡

– More ¡likely ¡to ¡report ¡as ¡well ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 20 ¡

Age ¡

• Tradi@onal ¡bullying ¡peaks ¡in ¡middle ¡school ¡
• Cyberbullying ¡peaks ¡later ¡
• There ¡seems ¡to ¡be ¡transi'on ¡ ¡cyberbullying ¡
• NB: ¡most ¡research ¡has ¡focused ¡on ¡adolescents ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 21 ¡

Sexual ¡Orienta@on ¡

• Unsurprisingly, ¡this ¡is ¡a ¡“risk ¡factor” ¡
• Most ¡research ¡seems ¡to ¡agree ¡
• LGBTQ ¡individuals ¡are ¡~2x ¡as ¡likely ¡to ¡be ¡

bullied ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 22 ¡

Personal ¡Characteris@cs ¡

• Computer ¡use ¡

– More ¡computer ¡use ¡à ¡more ¡likely ¡to ¡be ¡a ¡vic@m/ bully/bully-­‑vic@m ¡ – Loca'on ¡of ¡computer ¡mapers ¡(unsupervised?) ¡

• School ¡performance ¡

– Ds ¡and ¡Fs ¡à ¡2x ¡more ¡likely ¡to ¡be ¡a ¡vic@m ¡

• Indica@ons ¡that ¡there ¡is ¡a ¡causal ¡rela@onship ¡

– Get ¡bullied ¡à ¡become ¡a ¡bully ¡ – NB: ¡Research ¡here ¡is ¡severely ¡lacking ¡considering ¡the ¡ implica@ons… ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 23 ¡

Bystanders ¡

• Non-­‑ac@on ¡by ¡bystanders ¡influenced ¡by ¡three ¡

factors ¡

• 1. “Cyberspace” ¡in ¡general ¡

– People ¡are ¡less ¡willing ¡to ¡stand ¡up ¡online ¡

• 2. The ¡private ¡nature ¡of ¡the ¡act ¡

– If ¡occurs ¡over ¡a ¡semi-­‑private ¡comms ¡channel ¡

• 3. Whether ¡you ¡have ¡bullied ¡someone ¡in ¡past ¡

– Past ¡bullying ¡behavior ¡à ¡likely ¡to ¡be ¡bystander ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 24 ¡

Posi@ve ¡Bystanders ¡

• Some ¡people ¡do ¡stand ¡up ¡for ¡others ¡
• Affec@ve ¡empathy ¡

– Understanding ¡others ¡emo@ons ¡

• Cogni@ve ¡empathy ¡

– An@cipa@ng ¡consequences ¡of ¡one’s ¡ac@ons ¡on ¡

• thers ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 25 ¡

Agenda ¡

¡

• Who ¡are ¡the ¡actors ¡in ¡cyberbullying? ¡
• Dimensions ¡of ¡cyberbullying ¡

¡

• Types ¡of ¡experimenta@on ¡
• Recommenda@ons ¡for ¡the ¡future ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 26 ¡

The ¡Cyberbully ¡Label ¡

• There ¡are ¡many ¡defini@ons ¡here… ¡
• Generally ¡they ¡incorporate: ¡

– Repe''on ¡ – Imbalance ¡of ¡power ¡

• Not ¡easy ¡to ¡measure ¡online… ¡

– Perhaps ¡we ¡should ¡be ¡saying ¡“cyberaggression”? ¡

• There ¡are ¡dimensions ¡we ¡can ¡use ¡to ¡help ¡

clarify ¡the ¡defini@on ¡though… ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 27 ¡

Power ¡

• Power ¡is ¡a ¡component ¡of ¡tradi@onal ¡bullying ¡

– bea@ng ¡someone ¡up ¡à ¡physical ¡power ¡imbalance ¡

• Difficult ¡to ¡map ¡to ¡online ¡behavior ¡

– Is ¡it ¡ability ¡to ¡remain ¡anonymous? ¡ – Is ¡it ¡demonstra'ng ¡superior ¡technical ¡knowledge? ¡ – Is ¡it ¡scale ¡and ¡speed? ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 28 ¡

Power ¡as ¡Popularity ¡

• Perceived ¡popularity ¡as ¡power ¡has ¡been ¡

measured ¡

• Harassed ¡by ¡“unpopular” ¡cyberbully ¡

à ¡no ¡big ¡deal ¡

• Harassed ¡by ¡“popular” ¡cyberbully ¡

à ¡distressing, ¡elicited ¡nega@ve ¡mood ¡& ¡ helplessness ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 29 ¡

Severity ¡

• Tradi@onal ¡bullying ¡is ¡limited ¡by ¡real ¡world ¡

constraints ¡

– Have ¡to ¡be ¡within ¡physical ¡proximity ¡

• Easy ¡to ¡deal ¡with ¡

cyberbullying ¡then! ¡ Just ¡don’t ¡look! ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 30 ¡

Cyberbullying ¡More ¡Severe ¡

• Cyberbullying ¡is ¡worse ¡here ¡because ¡

– It ¡can ¡occur ¡at ¡any ¡'me ¡or ¡place ¡ – It ¡tends ¡to ¡be ¡public ¡ – It ¡tends ¡to ¡be ¡permanent ¡

• Not ¡looking ¡can ¡be ¡worse ¡than ¡being ¡bullied ¡

– Being ¡disconnected ¡is ¡a ¡non-­‑op@on ¡these ¡days ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 31 ¡

Anonymity ¡

• Major ¡differen@ator ¡from ¡tradi@onal ¡bullying ¡

– Means ¡less ¡chance ¡of ¡geCng ¡caught ¡ – Means ¡toxic ¡disinhibi'on ¡

• Many ¡cyberbullies ¡who ¡are ¡denied ¡ability, ¡do ¡

not ¡bully ¡in ¡real ¡world ¡to ¡compensate ¡

– Evidence ¡suggests ¡that ¡the ¡loss ¡of ¡anonymity ¡ inhibits ¡their ¡behavior ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 32 ¡

Example: ¡4chan’s ¡/pol/ ¡

• An ¡image ¡board ¡
• Conversa@ons ¡grouped ¡

into ¡threads ¡

• Anonymous ¡
• Ephemeral ¡
• Dangerous ¡

33 ¡

Raids ¡On ¡YouTube ¡Videos ¡

• Many ¡YouTube ¡links ¡posted ¡on ¡/pol/ ¡
• We’ve ¡anecdotally ¡observed ¡them ¡to ¡be ¡

raided ¡

• Can ¡we ¡find ¡quan@ta@ve ¡evidence ¡of ¡the ¡raids ¡

though?! ¡

34 ¡

Synchroniza@on ¡à ¡More ¡Hate ¡on ¡YT ¡

2 4 6 ·10−3 −4 −2 2 4 hate comments per second synchronization lag (105 s)

/pol/ ¡Reacts! ¡

/pol/ ¡Reacts! ¡

/pol/ ¡Reacts! ¡

Social ¡Intelligence ¡Theory ¡

• Ability ¡understand ¡and ¡manage ¡other ¡people ¡

and ¡act ¡wisely ¡in ¡human ¡rela@ons ¡

• Cyberbullying ¡linked ¡to ¡increased ¡social ¡

intelligence ¡

– Low ¡SI ¡à ¡likely ¡to ¡tradi@onal ¡bully ¡ – High ¡SI ¡à ¡likely ¡to ¡cyberbully ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 39 ¡

Agenda ¡

¡

• Who ¡are ¡the ¡actors ¡in ¡cyberbullying? ¡
• Dimensions ¡of ¡cyberbullying ¡

¡

• Types ¡of ¡experimenta@on ¡
• Recommenda@ons ¡for ¡the ¡future ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 40 ¡

Qualita@ve/Quan@ta@ve ¡Inquiries ¡

• Overwhelming ¡amount ¡of ¡work ¡here ¡is ¡self ¡

reported ¡measures ¡

– Surveys ¡that ¡are ¡sent ¡out ¡ – Usually ¡ask ¡stuff ¡like ¡“have ¡you ¡been ¡a ¡vic@m?” ¡

• Vignepes ¡

– Par@cipants ¡read ¡prompts ¡and ¡are ¡asked ¡how ¡they ¡ would ¡respond ¡

• Qualita@ve ¡interviews ¡

– Focus ¡groups, ¡etc. ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 41 ¡

Controlled ¡Experiments ¡

• Almost ¡non-­‑existent ¡

– Basically ¡nothing ¡in ¡terms ¡of ¡bully/vic@ms ¡ – This ¡kind ¡of ¡makes ¡sense… ¡Is ¡dangerous ¡ground ¡

• Bystanders ¡have ¡been ¡studied ¡though ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 42 ¡

Bystander ¡Experiment ¡#1 ¡

• “Simulated” ¡scenario ¡

– Par@cipants ¡(college ¡students) ¡sent ¡a ¡message ¡ – Message ¡was ¡apacking ¡another ¡“student” ¡

• Findings ¡

– Cyberspace ¡à ¡nega@ve ¡bystanders ¡(vs ¡tradi@onal) ¡ – Public ¡cyberbullying ¡à ¡more ¡nega@ve ¡bystanders ¡ – Previous ¡cyberbullying ¡exposureà ¡more ¡nega@ve ¡ bystanders ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 43 ¡

Bystander ¡Experiment ¡#2 ¡

• Used ¡a ¡University ¡Facebook ¡group ¡to ¡expose ¡

people ¡to ¡a ¡cyberbullying ¡incident ¡

• Findings ¡

– Very ¡severe ¡incident ¡à ¡posi've ¡bystanders ¡ – Many ¡witnesses ¡à ¡nega've ¡bystanders ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 44 ¡

Bystander ¡Experiment ¡#3 ¡

• Par@cipants ¡tricked ¡into ¡thinking ¡they ¡had ¡

witnessed ¡a ¡real ¡incident ¡in ¡a ¡chat ¡room ¡for ¡ research ¡surveys ¡

– Someone ¡pretended ¡that ¡they ¡didn’t ¡understand ¡a ¡ ques@on, ¡and ¡a ¡moderator ¡pretended ¡to ¡bully ¡them ¡

• ver ¡it ¡
• Findings ¡

– No@cing ¡the ¡incident ¡à ¡4x ¡chance ¡to ¡intervene ¡ – Interven@on ¡#1 ¡à ¡answering ¡the ¡vic@ms ¡ques@ons ¡ – Interven@on ¡#2 ¡à ¡telling ¡the ¡moderator ¡they ¡were ¡ failing ¡their ¡duty ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 45 ¡

Empirical ¡Bystander ¡Experiment ¡

• League ¡of ¡Legends ¡is ¡world’s ¡most ¡popular ¡

video ¡game ¡

• They ¡built ¡a ¡crowdsourcing ¡system ¡to ¡deal ¡

with ¡“toxic ¡behavior” ¡

– Not ¡1:1 ¡match, ¡but ¡there ¡is ¡definitely ¡ cyberbullying ¡going ¡on ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 46 ¡

What ¡Did ¡We ¡Find? ¡

• Very ¡few ¡players ¡report ¡

– Only ¡2 ¡of ¡9 ¡on ¡average ¡

• If ¡explicit ¡request ¡to ¡

report, ¡enemies ¡16.37X ¡ more ¡likely ¡to ¡report ¡ ¡

• Bystander ¡effect ¡can ¡

be ¡overcome! ¡ ¡

11/7/16 ¡ Jeremy's ¡End ¡of ¡Contract ¡Talk ¡ 47 ¡

Agenda ¡

¡

• Who ¡are ¡the ¡actors ¡in ¡cyberbullying? ¡
• Dimensions ¡of ¡cyberbullying ¡

¡

• Types ¡of ¡experimenta@on ¡
• Recommenda@ons ¡for ¡the ¡future ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 48 ¡

What ¡Are ¡Son ¡Sciences ¡Good ¡At? ¡

• Theory ¡(philosophy) ¡

– Thoughts ¡on ¡how ¡people ¡work ¡

• Qualita@ve ¡findings ¡

– Talking ¡to ¡people ¡and ¡seeing ¡if ¡theory ¡might ¡hold ¡

• Surveys ¡

– Asking ¡people ¡the ¡right ¡ques@ons ¡

• Controlled ¡experiments ¡

– Designing ¡experiments ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 49 ¡

Theory ¡

• Usually, ¡the ¡son ¡guys ¡start ¡with ¡some ¡model ¡

– They ¡use ¡this ¡model ¡to ¡guide ¡their ¡study ¡and ¡ interpret ¡their ¡results ¡

• We ¡don’t ¡do ¡that ¡in ¡CS ¡

– Scale ¡compensates ¡for ¡theory ¡J ¡ – Maybe ¡we’ll ¡build ¡a ¡model ¡from ¡that ¡data ¡

• Eventually ¡though, ¡we ¡need ¡to ¡contribute ¡

back ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 50 ¡

What ¡Aren’t ¡Son ¡Sciences ¡Good ¡At? ¡

• Scale ¡

– 20,000 ¡– ¡30,000 ¡people ¡surveyed ¡is ¡a ¡big ¡study ¡

• Empirical ¡Findings ¡

– Studying ¡behavior ¡“in ¡the ¡wild” ¡

• Fast ¡itera@on ¡

– They ¡have ¡to ¡be ¡very ¡careful ¡and ¡deliberate ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 51 ¡

Recommenda@ons ¡

• Bridge ¡the ¡gap ¡between ¡qualita@ve/controlled ¡

experiments ¡and ¡empirical ¡studies ¡

– Look ¡for ¡empirical ¡evidence ¡in ¡support ¡of ¡the ¡ qualita@ve/controlled ¡findings ¡

• Consider ¡more ¡dimensions ¡

– Power ¡imbalance, ¡severity, ¡etc. ¡have ¡mostly ¡been ¡ ignored ¡beyond ¡theory ¡

• Juxtapose ¡different ¡pla}orms ¡

– We ¡should ¡look ¡at ¡behavior ¡across ¡different ¡pla}orms ¡ and ¡how ¡pla}orm ¡features ¡result ¡in ¡different ¡behavior ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 52 ¡

More ¡Recommenda@ons ¡

• Backtrack ¡cyberbullying ¡behavior ¡

– Indica@ons ¡are ¡that ¡if ¡you ¡are ¡bullied, ¡you ¡become ¡a ¡ bully ¡ – CS ¡style ¡datasets ¡can ¡help ¡shed ¡light ¡on ¡this ¡

• Begin ¡the ¡dialogue ¡between ¡CS ¡& ¡Humani$es ¡

– How ¡many ¡of ¡you ¡have ¡ever ¡talked ¡to ¡a ¡son ¡sciences ¡ person ¡in ¡a ¡work ¡related ¡capacity? ¡ – How ¡many ¡have ¡co-­‑authored ¡a ¡paper ¡with ¡someone ¡ that ¡was ¡in ¡son ¡sciences? ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 53 ¡

Chea@ng: ¡Back ¡to ¡the ¡Drawing ¡Board ¡

• A ¡gut ¡feeling ¡told ¡me ¡my ¡results ¡were ¡not ¡to ¡

be ¡expected ¡

• Need ¡to ¡convince ¡reviewers ¡their ¡intui@on ¡was ¡

wrong ¡

• Need ¡to ¡find ¡meaning ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 54 ¡

Let’s ¡Get ¡Interdisciplinary ¡

• I ¡collaborated ¡w/ ¡a ¡sociology ¡professor ¡
• We ¡found ¡support ¡that ¡some ¡of ¡my ¡original ¡

findings ¡were ¡not ¡to ¡be ¡expected ¡

• We ¡also ¡came ¡up ¡with ¡idea ¡that ¡chea@ng ¡was ¡

spreading ¡like ¡a ¡disease ¡

10/28/16 ¡ 55 ¡

Interval 1

Interval 2

Interval 3

Interval 4

Interval 5

Interval 6

Let’s ¡Get ¡Interdisciplinary ¡

• I ¡began ¡collabora@ng ¡with ¡a ¡sociology ¡

professor ¡

• Together ¡we ¡found ¡evidence ¡that ¡some ¡of ¡my ¡
• riginal ¡findings ¡were ¡not ¡to ¡be ¡expected ¡
• He ¡also ¡dug ¡up ¡some ¡incredible ¡related ¡work ¡

that ¡helped ¡us ¡conclude ¡that ¡chea@ng ¡was ¡ spreading ¡like ¡a ¡disease ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 56 ¡

ACCEPTED ¡

“This ¡work ¡is ¡well-­‑presented, ¡and ¡ the ¡results ¡have ¡poten@al ¡ ramifica@ons ¡for ¡a ¡wide ¡variety ¡of ¡ social ¡networks ¡in ¡which ¡good-­‑faith ¡ par@cipa@on ¡is ¡cri@cal ¡to ¡the ¡health ¡

• f ¡the ¡community.” ¡

Thank ¡you ¡for ¡your ¡@me! ¡

10/28/16 ¡ CyberSafety ¡2016 ¡ 57 ¡